Google数据流:使用Python中的BigQuery+Pub/Sub运行动态查询

Question

我想在管道中做什么：

1. 从pub/sub读取(已完成(
2. 将此数据转换为词典(已完成(
3. 从dict中获取指定键的值(done(

4. 从BigQuery运行一个参数化/动态查询，其中where部分应该是这样的：

   SELECT field1 FROM Table where field2 = @valueFromP/S
   

---

管道

| 'Read from PubSub' >> beam.io.ReadFromPubSub(subscription='')
| 'String to dictionary' >> beam.Map(lambda s:data_ingestion.parse_method(s))
| 'BigQuery' >> <Here is where I'm not sure how to do it>

从BQ读取的正常方式是：

| 'Read' >> beam.io.Read(beam.io.BigQuerySource(
query="SELECT field1 FROM table where field2='string'", use_standard_sql=True))

---

我读过关于参数化查询的文章，但我不确定这是否适用于apachebeam。

可以使用侧面输入完成吗？

哪种方法最好？

---

我尝试过的：

def parse_methodBQ(input):
query=''SELECT field1 FROM table WHERE field1='%s' AND field2=True' % (input['field1'])'
return query

class ReadFromBigQuery(beam.PTransform):
def expand(self, pcoll):
return (
pcoll
| 'FormatQuery' >> beam.Map(parse_methodBQ)
| 'Read' >> beam.Map(lambda s:  beam.io.Read(beam.io.BigQuerySource(query=s)))
)
with beam.Pipeline(options=pipeline_options) as p:
transform = (p  | 'BQ' >> ReadFromBigQuery()

结果(为什么这样？(：

<Read(PTransform) label=[Read]>

正确的结果应该是：

{u'Field1': u'string', u'Field2': Bool}

---

解决方案

在管道中：

| 'BQ' >> beam.Map(parse_method_BQ))

函数(使用BigQuery 0.25 API进行数据流(

def parse_method_BQ(input):
client = bigquery.Client()
QUERY = 'SELECT field1 FROM table WHERE field1='%s' AND field2=True' % (input['field1'])
client.use_legacy_sql = False
query_job = client.run_async_query(query=QUERY ,job_name='temp-query-job_{}'.format(uuid.uuid4()))  # API request
query_job.begin()
while True:
query_job.reload()  # Refreshes the state via a GET request.
if query_job.state == 'DONE':
if query_job.error_result:
raise RuntimeError(query_job.errors)
rows = query_job.results().fetch_data()
for row in rows:
if not (row[0] is None):  
return input
time.sleep(1)

Answer 1

您可以读取整个表或使用字符串查询。

我知道您将使用parse_methodBQ方法根据需要自定义查询。由于此方法返回查询，因此可以使用BigQuerySource调用它。这些行在字典里。

| 'QueryTable' >> beam.Map(beam.io.BigQuerySource(parse_methodBQ))
# Each row is a dictionary where the keys are the BigQuery columns
| 'Read' >> beam.Map(lambda s:  s['data'])

此外，您可以避免自定义查询并使用过滤方法

关于辅助输入，请查看食谱中的这个例子，以便更好地了解如何使用它们。